鴻海研究院開張!5人諮詢委員名單出爐,轉型「腦力密集」企業怎麼做?
鴻海研究院開張!5人諮詢委員名單出爐,轉型「腦力密集」企業怎麼做?

電子製造巨頭鴻海精密今(17)日宣佈「鴻海研究院」正式成立,旗下五大研究所聚焦的「 人工智慧、半導體、新世代通訊、資通安全及量子計算 」研究方向也大公開,目標籌建200人團隊,5位諮詢委員會委員名單也正式出爐,延攬郭大維、李開復及張懋中等電腦科學及通訊物理界專家。

鴻海美國巨蛋 2.jpg
鴻海新官網上線,公布全球佈局狀況,互動體驗更友善。
圖/ 鴻海科技集團

鴻海在董事長劉揚偉上任後,展開新時代新氣象,新官方網站也宣佈17日開張,加速「F3.0」轉型節奏,有別於過往製造代工的保守文化,新官網以藍底主視覺,象徵「科技的藍海」,塑造「數位科技領航」新形象,官網特色包括註冊抽手機及更加強投資人服務。

劉揚偉在致股東營業報告書中預告的「鴻海研究院」計畫,馬不停蹄地跨入落實階段,17日除宣佈研究院成立,五大研究所將專注「人工智慧、半導體、新世代通訊、資通安全及量子計算」技術,也公開5位專家擔任諮詢委員會成員身份。

延伸閱讀:《產業領袖觀點》鴻海研究院將成立!董座劉揚偉宣告轉型腦力密集企業

鴻海表示,研究院會跳脫以往組織所劃分的事業體框架,不侷限於現有客戶產品,而是專注於「未來3至7年」的前瞻技術研發,旗下五大研究所將以各研究院約40位尖端技術研發人才的編制,總計籌建200人團隊,與鴻海旗下事業單位攜手打造技術交流平台,為集團「3+3」產業發展計畫打下基礎。

(編按:鴻海的3+3產業計畫為「電動車、數位健康、機器人」3大新興產業及「人工智慧、半導體、新世代通訊技術」3項新技術領域。)

5人諮詢委員會成員曝光,量子電腦專家入列

鴻海研究院的諮詢委員名單也正式曝光,包括香港城市大學校長資深顧問兼工學院院長郭大維、洛杉磯加州大學電機工程學系講座教授張懋中、財團法人電信技術研究中心董事長吳宗成、全球人工智慧專家李開復。

鴻海說,會延攬世界一流學者,借重學術界、產業界的力量,充實研究院的研發量能。研究院也將透過產學合作形式,延攬高端研發人才,目標建構200人團隊,強攻「3+3」領域。

劉揚偉規劃,集團目標是「 F1.0現況優化、F2.0數位轉型、F3.0轉型升級 」三階段計畫,提升產業層次並提高獲利,鴻海研究院是F3.0轉型升級的重要發展策略之一,為的就是強化鴻海技術力與產品創新力,把過去「勞力密集」的鴻海,升級至「腦力密集」的鴻海。

鴻海研究院籌備期間剛好有新冠肺炎疫情,諮詢委員大多人在海外往返,移動不易,所以研究院從組織架構討論、例行會議、諮詢委員徵詢到聘書頒發,大多採雲端連線方式進行,因此籌備過程並沒有受疫情影響。

鴻海研究院
鴻海研究院籌設期間都以視訊方式討論,迅速成立。
圖/ 鴻海

香港城市大學校長資深顧問兼工學院院長郭大維是創始諮詢委員,他是板橋人,對於接受鴻海聘任相當興奮,郭大維表示,鴻海有台灣人的精神,非常勤奮、積極,且無所畏懼地開創產業的未來,希望藉著這次機會,與鴻海一起推動台灣企業文化的進步。

郭大維校長.jpg
香港城市大學校長資深顧問兼工學院院長郭大維。
圖/ 鴻海科技集團

郭大維說,在未來產業趨勢中掌握核心技術很重要,鴻海成立鴻海研究院代表著鴻海的數位轉型正式進入「腦力密集」,也幫台灣企業建立新標竿。張懋中則表示,鴻海研究院有機會具備定義市場、定義未來的能力,最後進一步定義產品,這與鴻海轉型升級至要關鍵,也是為何劉揚偉對「產品經理」如此重視。

台大IBM量子電腦中心主任張慶瑞專精量子計算,他表示,量子科技近年發展快速,然而國內大型企業對科研領域的投入較少,他呼籲台灣在這方面無論硬體或軟體應該要快速追趕。

張慶瑞博士.jpg
台大IBM量子電腦中心主任張慶瑞專精量子計算
圖/ 鴻海科技集團

財團法人電信技術研究中心董事長吳宗成長年投身資安領域,他認為,新興資通訊科技進步,資安產業雖無法構成一個完整產業鏈,但逐步從「專業化」走向「生活化」,成為人類日常生活中必須面對的課題,鴻海研究院成立專院可望在資安專業領域寫下歷史。

吳宗成博士.jpg
財團法人電信技術研究中心董事長吳宗成長年投身資安領域
圖/ 鴻海科技集團

創新工場董事長暨CEO李開復表示,將與鴻海研究如何把AI作為基礎設施,除增強鴻海精密製造的運作,並與自動車、智慧醫療、機器人等場景深度融合,在第四次工業革命的浪潮下,開啟新一波智慧化產業技術的應用創新能力。

李開復博士.jpg
創新工場董事長李開復。
圖/ 鴻海科技集團

有關鴻海研究院五大研究所宗旨如下:
人工智慧研究所 :促進人工智慧在集團產業運用的研究發展、推展人工智慧分析的專業訓練、提升前瞻之人工智慧應用研究,搭配集團高速運算中心、邊緣運算等硬體基礎上,開發出不同的應用領域,並與世界頂尖研究接軌。
半導體研究所 :發展前瞻奈米電子元件設計與開發,探索於集團工業物聯網之應用可能,培養將來可從事於積體電路製造及設計相關產業的人才。整合集團內部半導體資源與外部供應鏈策略夥伴,藉由半導體創新,提升終端產品價值。
新世代通訊研究所 :新一代5G及下世代核心網路技術,發展超高寬頻和低延遲特性,應用至各個集團中的業務單位,並制定可能之技術標準。
資通安全研究所 :強化培育資安人才之技術能量、發展科技與資訊安全跨領域應用,並創新與實務應用技術之資安菁英人才,落實於集團各場域實務應用。
量子計算研究所 :促進量子運算技術的教學、探索和新應用的開發,並協助對量子系統及其應用的科學與工程具有濃厚興趣的研究者,在產業領域找出發揮應用的空間,也培養集團內的技術人才。

責任編輯:陳映璇

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓